Schema Design Considerations
indexed fields
index fields的数量将会影响以下的一些性能:
- 索引时的时候的内存使用量。
- 索引段的合并时间。
- 优化时间。
- 索引的大小。
我们可以通过将omitNorms = "true"来减少indexed fields数量增加所带来的影响。
stored fields
Retrieving the stored fields确实是一种开销。这个开销,受每个文档所存储的字节影响很大。每个文档的所占用的空间越大,文档就显得更稀疏,这样从硬盘中读取数据,就需要更多的 i/o 操作(通常,我们在存储比较大的域的时候,就会考虑这样的事情,比如存储一篇文章的文档。)
可以考虑将比较大的域放到 solr 外面来存储。如果你觉得这样做会有些别扭的话,可以考虑使用压缩的域,但是这样会加重 CPU 在存储和读取域的时候的负担。不过这样却是可以减少 i/o 的负担。
如果,你并不是总是使用stored fields的话,可以使用stored field的延迟加载,这样可以节省很多的性能,尤其是使用compressed field 的时候。
Configuration Considerations
mergeFactor
这个是合并因子,这个参数大概决定了 segment(索引段)的数量。
合并因子这个值告诉lucene,在什么时候,要将几个segment合并成一个segment,合并因子就像是一个数字系统的基数一样。
比如说,如果你将合并因子设成10,那么每往索引中添加1000个文档的时候,就会创建一个新的索引段。当第10个大小为1000的索引添加进来的时候,这十个索引段就会被合并成一个大小为10,1000的索引段。当十个大小为10,000的索引段生成的时候,他们就会ibei合并成一个大小为100,000的索引段。如此类推下去。
这个值可以在solrconfig.xml中的*mainIndex*中设置。(不用管indexDefaults中设置)
mergeFactor Tradeoffs
较高的合并因子
- 会提高索引速度。
- 较低频率的合并,会导致更多的索引文件,这会降低索引的搜索效率。
较低的合并因子
- 较少数量的索引文件,能加快索引的搜索速度。
- 较高频率的合并,会降低索引的速度。
Cache autoWarm Count Considerations
当一个新的searcher打开的时候,他缓存可以被预热,或者说使用从旧的searcher的缓存的数据来“自动加热”。autowarmCount是这样的一个参数,他表示从旧缓存中拷贝到新缓存中的对象数量。autowarmCount这个参数将会影响“自动预热”的时间。有些时间,我们需要一些折中的考虑,searcher启动的时间和缓存加热的程度。当然,缓存加热的程度越好,使用的时间就会越长,但往往,我们并不希望过长的searcher启动时间。这个autowarm参数可以在solrconfig.xml文件中被设置。
Cache hit rate(缓存命中率)
我们可以通过solr的admin界面来查看缓存的状态信息。提高solr缓存的大小往往是提高性能的捷径。当你使用面搜索的时候,你或许可以注意一下filterCache,这个是由solr实现的缓存。
Explicit Warming of Sort Fields
如果你有许多域是基于排序的,那么你可以在“newSearcher”和“firstSearcher” eventlisteners中添加一些明显需要预热的查询,这样 FieldCache 就会缓存这部分内容。
OptimizationConsiderations
优化索引,是我们经常会做的事情,比如,当我们建立好索引,然后这个索引不会再变更的情况,我们就会做一次优化了。
但,如果你的索引经常会改变,那么你就需要好好的考虑下面的因素的。
当越来越多的索引段被加进索引,查询的性能就会降低,lucene对索引段的数量有一个上限的限制,当超过这个限制的时候,索引段可以自动合并成为一个。
在同样没有缓存的情况下,一个没有经过优化的索引会被经过优化的索引的性能少10%......
自动加热的时间将会变长,因为他依赖于搜索。
优化将会对索引的分发产生影响。
在优化期间,文件的大小将会是索引的两倍,不过最终将会回到他原来的大小,或者会更小一点。
优化,会将所有的索引段合并成为一个索引段,所以,优化这个操作其实可以帮汉族避免“too many files”这个问题,这个错误是由文件系统抛出的。
Updates and Commit Frequency Tradeoffs
如果从机经常从主机更新的话,从机的性能是会收到影响的。为了避免,由于这个问题而引起的性能下降,我们还必须了解从机是怎样执行更新的,这样我们才能更准确去调节一些相关的参数(commit的频率,spappullers,autowarming,autocount),这样从机的更新才不会太频繁。
- 执行commit操作会让solr新生成一个snapshot。如果将postCommit参数设成true的话,optiomization也会执行snapShot。
- slave上的Snappuller程序一般是在crontab上面执行的,他会去master询问,有没有新版的snapshot。一旦发行新的版本,slave就会把他下载下来,然后snapinstall。
- 每次当一个新的searcher被打开的时候,会有一个缓存预热的过程,预热之后,新的索引才会交付使用。
这里讨论三个有关的参数:
- number/frequency of snapshots,snapshot的频率。
- snappullers是在crontab中的,它当然可以每秒一次、每天一次或者其他的时间间隔一次运行。他运行的时候,只会下载slave上没有的,并且最新的版本。
- Cache autowarming可以在solrconfig.xml文件配置。
如果,你想要的效果是频繁的更新slave上的索引,以便这样看起来比较像“实时索引”。那么,你就需要让snapshot尽可能频繁的运行,然后也让snappuller频繁的运行。这样,我们或许可以每5分钟更新一次,并且还能取得不错的性能,当然,cache的命中率是很重要的,缓存的加热时间也将会影响到更新的频繁都。
cache对性能是很重要的。一方面,新的缓存必须拥有足够的缓存量,这样接下来的查询才能够从缓存中受益。另一方面,缓存的预热将可能占有很长一段时间,尤其是,他其实是只使用一个线程和一个CPU在工作。snapinstaller太频繁的话,solr slave 将会处于一个不太理想的状态,可能他还在预热一个新的缓存,然而一个更新的searcher被打开了。
怎么解决这样的一个问题,我们可能会取消第一个searcher,然后去处理一个更新searcher,也是第二个。然而有可能第二个searcher还没有被使用上的时候,第三个又过来了。一个恶性的循环。当然也有可能,我们刚刚预热好的时候就开始新一轮的缓存预热,其实,这样缓存的作用压根就没有能体现出来。出现这种情况的时候,降低snapshot的频率才是硬道理。
Query Response Compression
在 有些情况下,我们可以考虑将solr xml response 压缩后才输出。如果response非常大,就会触及 NIC i/o 限制。
当然压缩这个操作将会增加CPU的负担,其实,solr一个典型的依赖于CPU处理速度的服务,增加这个压缩的操作,将无疑会降低查询性能。但是,压缩后的数据将会是压缩前的数据的6分之一的大小。然而solr的查询性能也会有15%左右的消耗。
至于怎样配置这个功能,要看你使用的什么服务器而定。
EMbedded vs HTTP Post
使用embeded来建立索引,将会比使用xml格式来建立索引快50%。
RAM UsageConsiderations(内存方面的考虑)
OutOfMemoryErrors
如果你的solr实例没有被指定足够多的内存的话,java virtual machine 也许会抛出 outofmemoryError,这个并不对索引数据产生影响。但是这个时候,任何的adds/deletes/commits操作都是不能够成功的。
Memory allocated to the JVM
最简单的解决这个方法就是,当然前提是java virtual machine 还没有使用掉你全部的内存,增加运行solr的java虚拟机的内存。
影响内存使用量的因素,我想,你或许也会考虑怎样去减少solr的内存使用量。其中一个因素就是input document的大小。当我们使用xml执行add操作的时候,就会有两个限制。
- document中的field都是会被存进内存的,field有个属性叫maxFieldLength,他或许能帮上忙。
- 每增加一个域,也是会增加内存的使用的。